向量数据库、关系型数据库和NoSQL：从定义到大模型应用的深度解析20241204

🧠 向量数据库、关系型数据库和NoSQL：从定义到大模型应用的深度解析

---

✨ 引言

随着数据驱动型技术的普及，数据库系统的选择和优化成为决定技术项目成败的关键。传统关系型数据库（RDBMS）、非关系型数据库（NoSQL），以及近年来兴起的向量数据库，各自为特定的数据存储和检索需求提供了解决方案。

特别是在大模型构建和应用中，向量数据库正在迅速崛起，以其在语义检索和相似性搜索上的优越表现，成为了大模型开发者的首选。

主题概览插图

说明: 这张插图展示了关系型数据库（RDBMS）、NoSQL 数据库和向量数据库之间的关系及其关键特性。每个部分通过清晰的图标表示其主要特点，如表格、JSON 文档和高维向量。箭头的连接展示了这些数据库技术在数据存储与检索中的演变路径。

---

📚 一、数据库的定义与特点

1. 📋 关系型数据库（RDBMS）

• 定义：基于表结构的数据库，通过预定义的模式（Schema）存储数据，支持事务管理和复杂查询。
• 特点：
  • 使用 SQL 语言查询。
  • 强调数据一致性和完整性。
  • 适合结构化数据的存储和管理。
• 代表技术：MySQL、PostgreSQL、Oracle。

---

2. 📂 非关系型数据库（NoSQL）

• 定义：支持多种非表格化的数据存储模型，如键值对、文档、列族或图结构。
• 特点：
  • 灵活的数据模型，适合半结构化和非结构化数据。
  • 强调扩展性和分布式架构。
  • 牺牲部分一致性以换取性能和可扩展性。
• 代表技术：MongoDB、Cassandra、Redis。

---

3. 🔍 向量数据库

• 定义：专门用于存储和检索高维向量数据，通常与大模型生成的嵌入（Embedding）结合，支持相似性搜索。
• 特点：
  • 高效的相似性搜索，支持距离度量（如余弦相似度、欧几里得距离）。
  • 适合处理海量高维数据，如文本、图像和多模态嵌入。
  • 支持实时更新与动态扩展。
• 代表技术：Milvus、Pinecone、FAISS。

---

⚖️ 二、三类数据库的区别与联系

下表总结了关系型数据库、NoSQL 和向量数据库的主要区别和联系：

特性	关系型数据库（RDBMS）	非关系型数据库（NoSQL）	向量数据库
数据模型